基于数据增强与 CNN 分类的小数据集 CT 影像自动 COVID-19 诊断
图像与视频处理
2021-10-01 v2 计算机视觉与模式识别
摘要
我们提出了一种基于肺部 CT 图像的自动 COVID-19 诊断框架。重点在于小数据集上的信号处理与分类，着力探索数据准备与增强以提升 2D CNN 分类模型的泛化能力。我们提出了一种利用多个亨氏单位（HU）归一化窗口的独特且有效的数据增强方法。此外，对原始切片图像进行裁剪以排除背景，并应用滤波器滤除闭肺图像。对于分类网络，我们选择使用带有特征金字塔网络（FPN）的 2D Densenet 和 Xception。为进一步提升分类准确率，采用了多 CNN 模型与 HU 窗口的集成。在训练/验证数据集上，我们实现了 93.39% 的患者分类准确率。
引用
@article{arxiv.2108.07148,
title = {Data Augmentation and CNN Classification For Automatic COVID-19 Diagnosis From CT-Scan Images On Small Dataset},
author = {Weijun Tan and Hongwei Guo},
journal= {arXiv preprint arXiv:2108.07148},
year = {2021}
}